Download large file in python with requests

Запросы - действительно хорошая библиотека. Я бы хотел использовать ее для загрузки больших файлов (> 1 ГБ). Проблема в том, что невозможно сохранить весь файл в памяти; мне нужно читать его частями. И это проблема со следующим кодом:

import requests

def DownloadFile(url)
    local_filename = url.split('/')[-1]
    r = requests.get(url)
    f = open(local_filename, 'wb')
    for chunk in r.iter_content(chunk_size=512 * 1024): 
        if chunk: # filter out keep-alive new chunks
            f.write(chunk)
    f.close()
    return 

По какой-то причине это не работает таким образом; он по-прежнему загружает ответ в память, прежде чем он будет сохранен в файл.

С помощью следующего потокового кода использование памяти Python ограничено независимо от размера загружаемого файла:

def download_file(url):
    local_filename = url.split('/')[-1]
    # NOTE the stream=True parameter below
    with requests.get(url, stream=True) as r:
        r.raise_for_status()
        with open(local_filename, 'wb') as f:
            for chunk in r.iter_content(chunk_size=8192): 
                # If you have chunk encoded response uncomment if
                # and set chunk_size parameter to None.
                #if chunk: 
                f.write(chunk)
    return local_filename

Обратите внимание, что количество байтов, возвращаемых с помощью iter_content, не совсем то chunk_size; ожидается, что это будет случайное число, которое часто намного больше и, как ожидается, будет отличаться на каждой итерации.

Смотрите body-content-workflow и Response.iter_content для дополнительной справки.

Это намного проще, если вы используете Response.raw и shutil.copyfileobj():

import requests
import shutil

def download_file(url):
    local_filename = url.split('/')[-1]
    with requests.get(url, stream=True) as r:
        with open(local_filename, 'wb') as f:
            shutil.copyfileobj(r.raw, f)

    return local_filename

Это позволяет передавать файл на диск без использования избыточной памяти, а код прост.

Примечание: Согласно документации, Response.raw будет не декодироватьgzip, а deflate передавать-encodings, поэтому вам нужно будет сделать это вручную.

Не совсем то, что просил OP, но ... это до смешного легко сделать с помощью urllib:

from urllib.request import urlretrieve

url = 'http://mirror.pnl.gov/releases/16.04.2/ubuntu-16.04.2-desktop-amd64.iso'
dst = 'ubuntu-16.04.2-desktop-amd64.iso'
urlretrieve(url, dst)

Или этим способом, если вы хотите сохранить его во временный файл:

from urllib.request import urlopen
from shutil import copyfileobj
from tempfile import NamedTemporaryFile

url = 'http://mirror.pnl.gov/releases/16.04.2/ubuntu-16.04.2-desktop-amd64.iso'
with urlopen(url) as fsrc, NamedTemporaryFile(delete=False) as fdst:
    copyfileobj(fsrc, fdst)

Я наблюдал за процессом:

watch 'ps -p 18647 -o pid,ppid,pmem,rsz,vsz,comm,args; ls -al *.iso'

И я увидел, что файл растет, но использование памяти осталось на уровне 17 МБ. Я что-то упускаю?

Размер вашего блока может быть слишком большим, вы пробовали удалять его - возможно, 1024 байта за раз? (также вы могли бы использовать with для приведения в порядок синтаксиса)

def DownloadFile(url):
    local_filename = url.split('/')[-1]
    r = requests.get(url)
    with open(local_filename, 'wb') as f:
        for chunk in r.iter_content(chunk_size=1024): 
            if chunk: # filter out keep-alive new chunks
                f.write(chunk)
    return 

Кстати, как вы определяете, что ответ был загружен в память?

Звучит так, как будто python не сбрасывает данные в файл, из других вопросов SO вы могли бы попробовать f.flush() и os.fsync() принудительно записать файл и освободить память;

    with open(local_filename, 'wb') as f:
        for chunk in r.iter_content(chunk_size=1024): 
            if chunk: # filter out keep-alive new chunks
                f.write(chunk)
                f.flush()
                os.fsync(f.fileno())